Dział badawczy Alibaba udostępnił na zasadach open source model sztucznej inteligencji, który może zidentyfikować blisko 150 schorzeń jamy brzusznej – w tym nowotwory – poprzez odczyt skanów tomografii komputerowej (CT), co stanowi najnowszy krok w rozwijającym się programie medycznej sztucznej inteligencji chińskiej grupy technologicznej.
Według South China Morning Post model nazwany Damo Radar został opracowany przez Damo Academy, instytut badawczy Alibaba, i opisany w badaniu opublikowanym w czwartek w czasopiśmie Science. W piątek instytut ogłosił wydanie oprogramowania typu open source. W przeciwieństwie do zamkniętych systemów komercyjnych, szpitale i badacze mogą pobrać, sprawdzić i dostosować model open source — jest to model dystrybucji, który może przyspieszyć przyjęcie w klinikach, które nigdy nie mogłyby uzyskać licencji na zastrzeżone narzędzie diagnostyczne. Więcej kontekstu na ten temat znajdziesz w naszych wiadomości AI.
Ogólny model obrazowania medycznego
Jak podaje instytut, Damo Radar to model wzrokowo-językowy zaprojektowany do analizy tomografii komputerowej ze wzmocnionym kontrastem obejmujących 18 narządów jamy brzusznej i identyfikacji szerokiego zakresu chorób i innych nieprawidłowości, w tym nowotworów złośliwych. Jego twórcy opisują go jako „pierwszy na świecie ogólny model obrazowania medycznego na poziomie eksperckim” – pojedynczy system przeznaczony do odczytywania wielu różnych wyników, a nie wąskie narzędzie wyszkolone do wykrywania jednej choroby.
Ta ogólna ambicja odróżnia go od większości wdrożonych dotychczas medycznych systemów sztucznej inteligencji, które zazwyczaj budowano i sprawdzano do jednego zadania, takiego jak wykrywanie jednego rodzaju nowotworu. Pojedynczy model obejmujący 146 różnych wyników klinicznych, jeśli sprawdzi się poza laboratorium, może zmienić ekonomikę wdrażania sztucznej inteligencji na oddziałach radiologii, gdzie połączenie kilkunastu narzędzi o jednym przeznaczeniu okazało się niepraktyczne.
Model został przeszkolony na podstawie tomografii komputerowej w połączeniu z raportami klinicznymi. Jest to podejście, które uczy system łączenia tego, co pojawia się na obrazie, z językiem używanym do jego opisu przez klinicystów. Według „Post” zespół badawczy stwierdził, że tę metodę szkoleniową można ostatecznie rozszerzyć na inne rodzaje obrazowania medycznego.
Testowany przeciwko pracującym radiologom
Najważniejsze liczby pochodzą z oceny prawie 40 000 badań w świecie rzeczywistym. Jak wynika z badania, na podstawie 146 wyników badań klinicznych Damo Radar osiągnął średnie pole pod krzywą (AUC) wynoszące 0,913, co stanowi statystyczną miarę skuteczności diagnostycznej, gdzie 1,0 oznacza doskonałą dokładność.
Porównanie z ludzkimi czytelnikami będzie przedmiotem największej analizy. Jak wynika z badania, w którym wzięło udział 26 radiologów z wielu szpitali, średnia dokładność modelu była większa od dokładności 23 uczestników. A kiedy radiolodzy pracowali przy pomocy modelu, poprawili swoją zdolność zapobiegania błędnym diagnozom o 10 procent, jednocześnie skracając czas wymagany na jeden przypadek o ponad 30 procent, twierdzi Damo Academy.
W badaniu wzięło udział kilka instytucji wraz z Alibabą, w tym szpital powiązany z Uniwersytetem Zhejiang. Publikacja w Science, jednym z najbardziej selektywnych czasopism naukowych, zapewnia wynikom zewnętrzną weryfikację, której często brakuje w testach porównawczych sponsorowanych przez dostawców – choć rzeczywista wydajność zawsze zależy od skanów, sprzętu i populacji pacjentów faktycznie obserwowanych w szpitalu.
Dlaczego open source ma znaczenie
Otwarte odciążanie jest godnym uwagi wyborem w przypadku technologii wrażliwej z medycznego punktu widzenia. Własni dostawcy zazwyczaj nie udostępniają modeli medycznych, powołując się na regulacje i bezpieczeństwo. Wersja otwarta umożliwia niezależnym badaczom badanie trybów awarii, umożliwia szpitalom uruchamianie modelu we własnej infrastrukturze bez wysyłania danych pacjentów do zewnętrznego dostawcy, a mniejszym placówkom zapewnia dostęp do możliwości zarezerwowanych w przeciwnym razie dla dużych systemów szpitalnych.
Oznacza to również, że Alibaba ma mniejszą kontrolę nad sposobem wykorzystania modelu. Otwarta dostępność nie jest zatwierdzeniem klinicznym: organy regulacyjne w każdej jurysdykcji nadal będą decydować, czy i w jaki sposób model można zastosować u pacjentów, a szpitale będą musiały zweryfikować go na własnym sprzęcie i populacjach.
Warto zwrócić uwagę na jedno zastrzeżenie: właścicielem South China Morning Post jest Alibaba, co gazeta ujawnia w swoim własnym raporcie. Publikacja podstawowego badania w „Science” stanowi niezależne potwierdzenie samego badania, ale treść piątkowego komunikatu nieuchronnie pochodzi od strony firmy.
Szersze działania Alibaby w dziedzinie medycznej sztucznej inteligencji
Radar Damo nie jest pierwszym krokiem Alibaba w dziedzinie obrazowania diagnostycznego. Jak podaje „The Post”, Akademia Damo spędziła ostatnie lata na opracowywaniu narzędzi do badań przesiewowych opartych na sztucznej inteligencji, które pomagają lekarzom identyfikować raka trzustki, żołądka i jelita grubego, a także rozwarstwienie aorty. W kwietniu oddział wypuścił na rynek model o nazwie Coca, opracowany wspólnie z instytucjami, w tym ze szpitalem ogólnym w Guangdong, który według firmy jest bardziej czuły niż radiolodzy w wykrywaniu wczesnego stadium raka jelita grubego na tomografii komputerowej.
Postęp od badań przesiewowych pojedynczej choroby do modelu ogólnego odzwierciedla szersze założenie: duże modele języka wzrokowo-językowego przeszkolone na sparowanych obrazach i raportach mogą wchłonąć pracę związaną z rozpoznawaniem wzorców, która obecnie wymaga niewielkiej ilości czasu specjalisty. W wielu systemach opieki zdrowotnej niedobory radiologów są dotkliwe, a programy badań przesiewowych generują znacznie więcej skanów, niż specjaliści są w stanie przeczytać z równą uwagą.
Co będzie dalej
Wydanie typu open source to początek, a nie wdrożenie. Szpitale rozważające zastosowanie modelu będą musiały przeprowadzić lokalną walidację na podstawie własnych skanów, a zastosowanie kliniczne będzie zależeć od przeglądu przepisów obowiązujących w poszczególnych krajach. Jednak dowody opublikowane w tym tygodniu – prawie 40 000 badań w warunkach rzeczywistych, bezpośrednie porównanie z pracującymi radiologami i zgłoszone 30-procentowe skrócenie czasu czytania przy pomocy sztucznej inteligencji – dają Damo Radar mocniejsze podstawy niż większość modeli debiutujących w komunikatach prasowych. To, czy ogólne modele obrazowania medycznego staną się standardowymi narzędziami szpitalnymi, czy też pozostaną kamieniami milowymi w badaniach, będzie zależeć od tego, jak sprawdzą się w bardziej chaotycznym środowisku codziennej praktyki klinicznej.
---
Bądź na Bieżąco z AINajnowsze wiadomości, analizy i przełomy w dziedzinie AI — wszystko w jednym miejscu.
Czytaj więcej wiadomości AI →
